近紅外光譜分析技術(shù)在雞肉分類(lèi)檢測(cè)中的應(yīng)用

向靈孜, 郭培源

(北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院,北京 100048)

近年來(lái),隨著人們飲食消費(fèi)的多元化和肯德基、麥當(dāng)勞等快餐在中國(guó)市場(chǎng)的強(qiáng)勢(shì)擴(kuò)張,雞肉消費(fèi)正在慢慢超過(guò)豬肉成為國(guó)人第一大肉類(lèi)消費(fèi)[1].同時(shí),由于人民生活品質(zhì)的不斷提高,健康意識(shí)逐步增強(qiáng),大眾膳食的肉類(lèi)消費(fèi)結(jié)構(gòu)也由豬肉、羊肉等紅肉逐漸轉(zhuǎn)變?yōu)橐噪u肉為代表的白肉[2].中國(guó)是世界雞肉生產(chǎn)、消費(fèi)和貿(mào)易的大國(guó),根據(jù)FAO(聯(lián)合國(guó)糧食及農(nóng)業(yè)組織)統(tǒng)計(jì),2013年生產(chǎn)雞肉10 640萬(wàn)t,占世界雞肉產(chǎn)量的88%,是世界第二大雞肉生產(chǎn)國(guó)[3].

然而,近年來(lái)市場(chǎng)上不同品種不同級(jí)別的雞肉混雜,且由于土雞價(jià)格的持續(xù)走高,以次充好的現(xiàn)象時(shí)有發(fā)生[4].目前,在雞肉檢測(cè)方面,傳統(tǒng)的化學(xué)分析方法較為常用.然而,化學(xué)分析方法通常需要取樣化驗(yàn),過(guò)程中涉及較多的專(zhuān)業(yè)化學(xué)設(shè)備和化學(xué)試劑,且過(guò)程復(fù)雜、檢測(cè)時(shí)間長(zhǎng)、成本高,種種因素導(dǎo)致測(cè)試效率極低.而近紅外(near infrared,NIR)光譜特性穩(wěn)定,含有豐富的信息,能夠反映樣品的綜合信息,是一種高效、綠色的分析測(cè)試技術(shù)[5].紅外光譜分析方法與化學(xué)分析方法相比,檢測(cè)速度快,可在短時(shí)間內(nèi)實(shí)現(xiàn)大量樣品的快速測(cè)定;同時(shí),由于該方法不需要化學(xué)試劑,對(duì)樣品或者環(huán)境不會(huì)造成污染,屬于綠色環(huán)保型.

劉煒等[4]應(yīng)用近紅外光譜對(duì)148個(gè)鮮雞肉樣本掃描,建立了脂肪、蛋白質(zhì)和水分的定量分析模型,其模型的平均內(nèi)部交叉驗(yàn)證均方差(RMSECV)為0.111,0.149,0.177 9等,說(shuō)明利用近紅外光譜法能夠同時(shí)對(duì)鮮雞肉中的脂肪、蛋白質(zhì)和水分含量進(jìn)行檢測(cè).沈杰[5]采集了禽肉的近紅外圖像信息,對(duì)雞肉中的脂肪含量和系水力指標(biāo)建模分析,其相關(guān)系數(shù)分別是0.818 1,0.873 3,相關(guān)系數(shù)均達(dá)到了0.8以上.燕昌江等[6]對(duì)200份高脂系肉種雞樣本進(jìn)行實(shí)驗(yàn),研究雞肉胸肌肉質(zhì)指標(biāo),利用偏最小二乘法(PLS)對(duì)樣本的光譜數(shù)據(jù)進(jìn)行分析建模.結(jié)果表明,近紅外光譜技術(shù)對(duì)于雞肉胸肌肉質(zhì)中水分、蛋白、脂肪等指標(biāo)有較高的預(yù)測(cè)能力.

本文運(yùn)用近紅外光譜技術(shù)對(duì)雞肉分類(lèi)進(jìn)行研究,限于測(cè)量環(huán)境和實(shí)驗(yàn)條件,在通用檢測(cè)標(biāo)準(zhǔn)允許的范圍內(nèi),實(shí)驗(yàn)樣品采用在市場(chǎng)中購(gòu)買(mǎi)的新鮮雞肉,對(duì)其進(jìn)行光譜掃描,采集不同種類(lèi)的雞肉樣品光譜圖,并對(duì)其進(jìn)行了聚類(lèi)分析和建模研究,研究了聚類(lèi)分析技術(shù)應(yīng)用于檢測(cè)雞肉分類(lèi)的可行性[7-14].

1　材料與方法

1.1　材料與試劑

采樣肉雞品種為白羽肉雞,土雞品種為北京本地散養(yǎng)柴雞.樣品取自新鮮胴體的一側(cè)胸肉,剔除可見(jiàn)脂肪和結(jié)締組織,新鮮雞肉樣品來(lái)自北京市農(nóng)貿(mào)市場(chǎng)和超市.本實(shí)驗(yàn)分別采集了20份新鮮肉雞雞胸樣品和20份新鮮土雞雞胸樣品,其中每15份樣品作為校正樣本集用來(lái)建立聚類(lèi)模型,5份樣品作為驗(yàn)證樣本集用來(lái)檢測(cè).

1.2　儀器與設(shè)備

采用瑞士FoodScanFoss公司的FoodScan近紅外全光柵透射光譜分析儀;光譜范圍為850～1 050 nm,分辨率為2 cm-1,每個(gè)掃描采集數(shù)據(jù)點(diǎn)數(shù)為100,該儀器采用硅(Si)檢測(cè)器和固體測(cè)量容器,透反射測(cè)量有效光程為2 mm,采用光柵投射和相關(guān)固體測(cè)量柱形杯具,杯具直徑為6 cm.采用Win ISI軟件對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理分析,使用MatLab 2012b工具對(duì)其進(jìn)行聚類(lèi)分析.

1.3　方法

1.3.1樣品制備

在掃描前,儀器需預(yù)熱0.5 h,樣品粉碎成肉糜狀.18℃恒溫箱保存,掃描過(guò)程中嚴(yán)格控制室內(nèi)濕度,保持環(huán)境的一致性.按標(biāo)號(hào)依次將樣品杯中的雞肉樣品倒入樣品盤(pán),雞肉樣品均勻鋪滿(mǎn)整個(gè)樣品盤(pán)并保證厚度一致.每個(gè)樣品掃描3次,采樣間隔為2 nm,分辨率為5 nm,剔除異常樣本后,取平均值.采集到的光譜圖像如圖1和圖2.

1.3.2特征波段選取

本實(shí)驗(yàn)分別在無(wú)預(yù)處理和采用不同預(yù)處理方法的情況下對(duì)肉雞和土雞的光譜圖使用標(biāo)準(zhǔn)方法進(jìn)行聚類(lèi)分析.在聚類(lèi)過(guò)程中,首先導(dǎo)入校正集肉雞雞胸光譜1～15和土雞雞胸光譜1～15.通過(guò)交互式選擇光譜的頻率范圍,如圖3.由圖3看出,在900～1 022 nm光譜內(nèi)存在較明顯的吸收峰,而其余光譜范圍內(nèi)幾乎沒(méi)有吸收信號(hào).因此本實(shí)驗(yàn)選擇900～1 022 nm為光譜分析區(qū)間.在比較不同預(yù)處理方法產(chǎn)生的聚類(lèi)結(jié)果后,選擇合適的預(yù)處理方法建立聚類(lèi)預(yù)測(cè)模型,從而準(zhǔn)確鑒別驗(yàn)證集肉雞光譜16～20樣品和土雞光譜16～20樣品.本實(shí)驗(yàn)采用較為直觀的樹(shù)形圖來(lái)呈現(xiàn)所得聚類(lèi)結(jié)果.

圖1　土雞樣品近紅外光譜圖Fig.1　Near infrared spectra of domestic chickens samples

圖2　肉雞樣品近紅外光譜圖Fig.2　Near infrared spectra of broiler chicken samples

圖3　交互式頻率范圍選擇Fig.3　Range selection of interactive frequency

1.3.3光譜預(yù)處理

因?yàn)槿怆u肉與土雞肉的物質(zhì)組成和化學(xué)結(jié)構(gòu)幾乎相同,且其內(nèi)部的化學(xué)基團(tuán)在近紅外中的吸光度相近,在同一譜圖上譜相似,吸收峰值一致.因此,直接通過(guò)譜圖很難區(qū)分肉雞肉和土雞肉[15].因此,為了保證校正模型的穩(wěn)定性和可靠性,需要對(duì)原始光譜進(jìn)行合理的預(yù)處理后再進(jìn)行聚類(lèi)分析,以便降噪、減少各種外界干擾的影響并消除光譜中包含的無(wú)用信息,提高分析準(zhǔn)確度.本研究主要采用的光譜預(yù)處理方法包括矢量歸一化、一階導(dǎo)數(shù)處理、二階導(dǎo)數(shù)處理和歸一化與求導(dǎo)相結(jié)合.

矢量歸一化,是計(jì)算的平均吸光度值能夠消除光程或樣品稀釋等變化對(duì)光譜造成的影響[11].其具體計(jì)算步驟:1)對(duì)一條原始光譜,計(jì)算其平均吸光度值;2)用原始光譜值減去平均吸光度值,得到處理后的光譜值;3)計(jì)算處理后的光譜值的平方和,再開(kāi)平方根,設(shè)這個(gè)值為m;4)將處理后的光譜值除以m,此時(shí)光譜的矢量歸一化是1,一條光譜的矢量歸一化完成[16].

一階導(dǎo)數(shù)可用于消除光譜中基線(xiàn)的漂移,并使較小的特征吸收峰變得明顯,二階導(dǎo)數(shù)可消除光譜的散射現(xiàn)象.在有效消除其他背景干擾的同時(shí),分辨重疊峰,提高分辨率和靈敏度.

一階微分:

式(1)和式(2)中,k為光譜間隔,大小可視具體情況設(shè)定,x為吸光度.采用矢量歸一化方法預(yù)處理后的雞肉樣品光譜曲線(xiàn)如圖4,一階導(dǎo)數(shù)預(yù)處理后的雞肉樣品光譜曲線(xiàn)如圖5,二階導(dǎo)數(shù)預(yù)處理后的雞肉樣品光譜曲線(xiàn)如圖6.

圖4　雞肉樣品矢量歸一化近紅外光譜圖Fig.4　Near infrared spectra of chicken samples after vector normalization

1.3.4聚類(lèi)分析方法

聚類(lèi)分析過(guò)程包括兩種距離的計(jì)算,一種是光譜圖與光譜圖之間距離的計(jì)算,另一種是新創(chuàng)建類(lèi)與其他譜圖或類(lèi)之間距離的計(jì)算[17-18].本研究中,光譜距離采用標(biāo)準(zhǔn)法計(jì)算,即用歐式距離表示光譜距離.歐氏距離的計(jì)算如式(3):

圖5　雞肉樣品一階導(dǎo)數(shù)近紅外光譜圖Fig.5　Near infrared spectra of chicken samples after first derivative

圖6　雞肉樣品二階導(dǎo)數(shù)近紅外光譜圖Fig.6　Near infrared spectra of chicken samples after second derivative

式(3)中,D表示光譜和光譜之間的距離;a(k)和b(k)是光譜圖a和b的縱坐標(biāo)的值,即光譜a和光譜b在k波長(zhǎng)點(diǎn)處的吸光度值.歐式距離的主要優(yōu)點(diǎn)是當(dāng)坐標(biāo)軸進(jìn)行正交旋轉(zhuǎn)時(shí),歐式距離保持不變.因此,如果對(duì)原坐標(biāo)系進(jìn)行平移和旋轉(zhuǎn)變換,則變換后樣本點(diǎn)之間的距離和變換前完全相同.

本研究采用較為常用的平均距離法:

式(4)中,目標(biāo)p和q聚為一個(gè)新目標(biāo)r.D(p,i)是目標(biāo)p和目標(biāo)i的光譜距離,D(q,i)是目標(biāo)q和目標(biāo)i的光譜距離.新目標(biāo)r和目標(biāo)i的距離D(r,i)小于兩個(gè)原來(lái)距離值.聚類(lèi)分析分類(lèi)預(yù)測(cè)模型構(gòu)建流程如圖7.

2　結(jié)果與分析

由掃描所得肉雞和土雞雞胸樣品的近紅外光譜圖(如圖5和圖6)可見(jiàn),盡管肉雞和土雞屬于2個(gè)不同的雞肉品種,且產(chǎn)地不同,但是所有樣品的光譜趨勢(shì)及吸收峰的位置均大體一致.然后選取肉雞和土雞的16～20樣品光譜作為實(shí)驗(yàn)的驗(yàn)證集,余下的30個(gè)樣品作為校正集.

無(wú)任何預(yù)處理900～1 022 nm原始譜圖的聚類(lèi)分析樹(shù)形圖見(jiàn)圖8.由圖8可以看出,對(duì)未經(jīng)優(yōu)化的光譜數(shù)據(jù)進(jìn)行聚類(lèi)分析時(shí),肉雞和土雞的分類(lèi)較混亂,幾乎找不到顯著的區(qū)分和規(guī)律.

圖7　聚類(lèi)分析分類(lèi)預(yù)測(cè)模型構(gòu)建Fig.7　Structure of clustering analysis prediction model

圖8　無(wú)預(yù)處理聚類(lèi)分析結(jié)果樹(shù)形圖Fig.8　Result tree diagram of clustering analysis without pretreatment

經(jīng)過(guò)一階導(dǎo)數(shù)后,譜圖在900～1 022 nm范圍的聚類(lèi)分析樹(shù)形圖如圖9.由圖9可以看出,單純對(duì)原始光譜進(jìn)行一階求導(dǎo),產(chǎn)生的聚類(lèi)分析結(jié)果也不能將肉雞和土雞準(zhǔn)確分類(lèi).

經(jīng)過(guò)二階導(dǎo)數(shù)后,譜圖范圍在900～1 022 nm的聚類(lèi)分析樹(shù)形圖如圖10.由圖10可以看出,單純對(duì)原始光譜進(jìn)行二階求導(dǎo),產(chǎn)生的聚類(lèi)分析結(jié)果依舊不能將肉雞和土雞準(zhǔn)確分類(lèi).

將近紅外原始光譜圖經(jīng)過(guò)一階求導(dǎo)+矢量歸一化、二階求導(dǎo)+矢量歸一化分別預(yù)處理后,所得譜圖在900～1 022 nm,聚類(lèi)分析樹(shù)形圖如圖11、圖12.

由圖8～圖12可以得出聚類(lèi)結(jié)果如表1.

唐詩(shī)的模糊美初探 ……………………………………………………………… 王華琴，張青華，張 紅（5．76）

由表1可以看出,校正集近紅外光譜在分別采用矢量歸一化、一階導(dǎo)數(shù)+矢量歸一化、二階導(dǎo)數(shù)+矢量歸一化方法預(yù)處理后,通過(guò)聚類(lèi)分析都可以將肉雞和土雞準(zhǔn)確的區(qū)分,且各自歸為一類(lèi),準(zhǔn)確率為100%.

以上實(shí)驗(yàn)結(jié)果說(shuō)明譜圖的預(yù)處理對(duì)于計(jì)量學(xué)分析結(jié)果的好壞會(huì)起到十分重要的作用,同時(shí)也說(shuō)明不同種類(lèi)的雞肉可以通過(guò)近紅外光譜技術(shù)很好分類(lèi).

圖9　一階導(dǎo)數(shù)后聚類(lèi)分析結(jié)果樹(shù)形圖Fig.9　Result tree diagram of clustering analysis with first derivative

圖10　二階導(dǎo)數(shù)后聚類(lèi)分析結(jié)果樹(shù)形圖Fig.10　Result tree diagram of clustering analysis with second derivative

圖11　一階求導(dǎo)+矢量歸一化后聚類(lèi)分析結(jié)果樹(shù)形圖Fig.11　Result tree diagram of clustering analysis with first derivative and vector normalization

圖12　二階求導(dǎo)+矢量歸一化后聚類(lèi)分析結(jié)果樹(shù)形圖Fig.12　Result tree diagram of clustering analysis with second derivative and vector normalization

表1　肉雞和土雞樣品聚類(lèi)分析結(jié)果Tab.1 Cluster analysis results of broiler chicken and native chicken samples

在得到準(zhǔn)確的聚類(lèi)分析結(jié)果之后,實(shí)驗(yàn)選取聚類(lèi)效果較好的二階導(dǎo)數(shù)加矢量歸一方法對(duì)光譜進(jìn)行預(yù)處理并建立聚類(lèi)模型,以便驗(yàn)證集肉雞和土雞能準(zhǔn)確地歸類(lèi).

驗(yàn)證集肉雞和土雞樣品采用已建立好的聚類(lèi)模型進(jìn)行聚類(lèi)測(cè)試的結(jié)果如圖13、圖14.

圖13　驗(yàn)證集肉雞的聚類(lèi)結(jié)果樹(shù)形圖Fig.13 Verification result tree diagram of clustering analysis of broiler chicken

3　結(jié) 論

肉雞和土雞在未經(jīng)宰殺前可以通過(guò)其外部特征利用感官分析法來(lái)區(qū)分.然而,由于肉雞和土雞同屬雞肉品種,肉品性狀和色澤較為相似.因此,一旦經(jīng)過(guò)宰殺并將其肉分類(lèi)售賣(mài),很難通過(guò)感官來(lái)準(zhǔn)確區(qū)分肉雞肉和土雞肉.本實(shí)驗(yàn)研究了近紅外光譜分析技術(shù)用于雞肉分類(lèi)檢測(cè)的可行性.為了提高分類(lèi)模型預(yù)測(cè)的準(zhǔn)確度,選用不同的預(yù)處理算法.通過(guò)聚類(lèi)分析建立了雞肉分類(lèi)的預(yù)測(cè)模型.實(shí)驗(yàn)證明,近紅外技術(shù)用于判定雞肉分類(lèi)采用的聚類(lèi)分析方案是有效的.研究表明,當(dāng)預(yù)處理方法為一階導(dǎo)數(shù)+矢量歸一化、二階導(dǎo)數(shù)+矢量歸一化均能使模型的預(yù)測(cè)準(zhǔn)確率達(dá)到100%,經(jīng)過(guò)預(yù)處理的聚類(lèi)分析方法能夠很好地提高模型的預(yù)測(cè)能力.這為近紅外技術(shù)在農(nóng)業(yè)、工業(yè)生產(chǎn)中用于分析檢測(cè)雞肉類(lèi)別的可行性及其預(yù)測(cè)能力的提高與改進(jìn)提供了一種有效的方法和思路.

圖14　驗(yàn)證集土雞的聚類(lèi)結(jié)果樹(shù)形圖Fig.14 Verification result tree diagram of clustering analysis of native chicken